ページの本文へ

Hitachi

ビッグデータ×AI(人工知能)

ガスタービン保全システム

〜センサー情報から収集するデータをリアルタイムに処理〜

日立は世界中の火力発電所にガスタービンを納入しており、これらのガスタービンに設置したセンサーが発信する情報を収集しています。ガスタービン1機あたり約200個のセンサーを設置しており、ガスタービン保全システムは、それぞれの稼働状況を一括して収集し、分析・監視しています。

過去の長期間の稼働データからの知見を活用して分析し、 事故・故障の予兆を検知から予防保全を図ることは、ガスタービンの稼働率向上につながります。


課題はデータ量が増加し続けることによって大量のストレージが必要になったり、データの分析処理にかかる時間が長く、せっかくのデータを活かしきれないところにありました。
ガスタービンの稼働率向上には、リアルタイムに稼働情報を分析することが求められました。

 
ガスタービン保全システム

【課題】データを活かしきれない

  • データ量の増加により大量のストレージが必要になる
    • センサー追加、データ収集の短周期化により、稼働情報のデータ量は増加の一途
  • データ分析処理に時間が掛かる
    • 現行システムでは、稼働情報をRDBMSに保管して活用しているが、リアルタイムに分析できない
    • 分析業務の作業効率が悪いため、多角的な分析を十分に行えない

【解決策】データのライフサイクルに合わせて稼働情報を「監視」「蓄積」「分析」

新ガスタービン保全システムでは、稼働情報のライフサイクルにあわせた技術を適用しました。稼働情報のライフサイクルとは、稼働情報を「監視」「蓄積」「分析」、さらに精度を上げた「監視」へと続くサイクルです。

稼働情報のライフサイクルに合わせた技術を適用

稼働情報のライフサイクルに合わせた技術

適用した技術「ストリームデータ処理」ではビッグデータの高速分析を、「時系列データストア」ではビッグデータの高効率保管を行いました。

ストリームデータ処理で、データの効率的な保管
データを溜めてまとめて処理するのではなく、発生するデータをその都度、メモリ上でリアルタイムに処理する技術。ビッグデータを高速処理します。
時系列データストアで、検索・分析処理の高速化
時系列データを特性に合わせてカラム単位に圧縮して格納することで、データ検索を高速化する技術。ビッグデータを高効率保管します。

【導入効果】ストレージ量を削減、検索時間を短縮

ストレージ量を削減

  • 稼働情報(時系列データ)の特性に合わせてカラム単位で格納
  • 稼働情報を1時間ブロッキングして圧縮格納
  • ストレージ量の大幅な削減効果を確認

稼働情報検索時間を短縮

  • 特徴インデクスによりデータ検索性を向上
  • 稼働情報をブロッキングして格納することで、I/O 効率を向上
  • 実用に耐えうるデータ検索時間であることを確認

適用した技術

ストリームデータ処理

多くの企業で採用しているDBMSを適用したデータ処理方式では、分析する情報をいったんデータベースに格納した後、バッチ処理などで一括して集計・分析するため、情報の発生から集計・分析までに、どうしてもタイムラグが生じてしまいます。

日立は、逐次発生するデータをメモリ上でリアルタイムに分析するストリームデータ処理基盤を開発しました。ストリームデータ処理基盤では、メモリ上で、あらかじめ登録したシナリオに従って集計・分析を実施します。シナリオでは、処理するデータの条件と処理方法を定義しておきます。この集計・分析処理は、メモリ上で行うため、高速なデータ処理をリアルタイムに実現できます。

  • インメモリ処理、差分計算処理により、超高速処理を実現
  • 時系列データの分析に適したクエリを標準提供
  • シナリオベースの条件定義により、アプリケーション改修不要

 

時系列データストア

  • 時系列データの特性に合わせてカラム単位で格納
  • 時系列データをブロッキングして圧縮格納
  • 特徴インデクスにより、データ検索を高速化

 

関連ソリューション

リアルタイムデータ処理ソリューション

リアルタイムデータ処理ソリューション
ビッグデータを「ストリームデータ処理」、「CEP」、「インメモリデータグリッド」などの技術を導入して、リアルタイムに分析し活用することで、瞬発力が求められるシステムを構築するソリューションです。